LLM EU
Menu
Modeller

Qianfan OCR

Baidu

Kun katalog Åbne vægte

Sidst gennemgået:

Suverænitet og hosting

Kun i katalog

Denne model er katalogiseret til reference. Den er endnu ikke hostet på LLM EU, og ingen førsteparts-endpoint betjener den her. Anmodninger til den går direkte til udbyderen under den pågældende udbyders egne vilkår.

Resumé

Det er et base checkpoint uden instruktions-tuning. Qianfan OCR er en open-weight vision-language model fra Baidu med 4.7B parametre, udgivet under Apache-2.0. Den accepterer tekst og billeder og svarer i tekst. Den offentliggjorte konfiguration angiver intet kontekstvindue, så dette kort indeholder ingen. Repository'et blev oprettet i marts 2026 og er spejlet på Hugging Face. Kortet er kun til katalogbrug: LLM EU kører ikke denne model. Udgiveren angiver 1 sprog.

Specifikationer

Udbyder
Baidu (CN)
Kontekstvindue
Ikke verificeret: udbyderen har ikke dokumenteret denne påstand.
Parametre
4.7B
Modaliteter
text, vision
Licens
apache-2.0 · licence
Åbne vægte
yes
Udgivelsesdato
18. mar. 2026
Opgaver
Vision, Genfinding (RAG), Lav pris

Sprog

Stærk: —

Tilstrækkelig: ocr

Stærk

    Tilstrækkelig

    • ocr

    Ikke verificeret: udbyderen har ikke dokumenteret denne påstand. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.

    Hvornår man bruger den

    Styrker

    • open weights are published on Hugging Face and can be downloaded without a vendor agreement
    • Apache-2.0 licence, so commercial self-hosting is permitted without a separate agreement
    • at 4.7B parameters it fits on a single accelerator

    Begrænsninger

    • catalogue only — LLM EU does not run this model, and nothing on this card implies an LLM EU endpoint
    • no evaluation has been run by LLM EU
    • the published configuration records no context window, so the card carries none
    • at 4.7B parameters, the weights fit on a single modest accelerator
    • vision checkpoints are heavier to serve than their parameter count alone suggests, because the image encoder and pre-processing run alongside the language model